伴随着合成孔径雷达(SAR)发展,SAR系统得到了大力发展,于此同时SAR成像技术和SAR图像解译技术也已发展成熟。但是研究SAR系统资源与解译技术关联性的却少之又少,同时SAR系统资源会影响SAR图像可解译得信息量,进而会影响解译性能。目标检测是SAR图像解译过程中重要的一部分,并且其性能的优劣会影响后续的目标识别性能。本文在此研究背景下,对SAR系统资源与目标检测性能关联性进行研究,研究结果可为评估SAR平台性能、优化SAR系统方案设计及提高SAR图像数据应用水平等方面提供一定理论指导。本文首先介绍了SAR系统资源的定义和组成,并介绍了论文中将要使用的目标检测算法原理及评估检测性能的方法。其次,本文以成像算法为基础,在不同分辨率情况下分析了相同目标的距离向轮廓的差异,并且分析了在不同尺寸目标的距离向随分辨率的变化情况及其ROC曲线的趋势。结果表明:分辨率与待检测目标的尺寸相近时,可以获得最优的检测性能。接着提取目标特性,分析这一变化的原因。随后基于成像算法仿真得到多分辨率SAR图像,运用8邻域估计方法评估检测性能随分辨率的变化。真实SAR图像与仿真SAR图像存在一定差异,为验证研究结果的适用性,本文采用真实SAR图像进行验证,验证实验结果与理论分析的结果相吻合。最后,本文研究了极化方式对检测性能的影响。研究了传统的极化SAR目标检测器理论,包括:OPD检测器、PWF检测器、Span检测器、双极化检测器和单极化检测器,分析不同极化信息对检测性能的影响。利用强散射点提取的方法,对大巴、卡车和吊车三类车辆目标的极化散射类型进行统计分析。分析可知对于大巴类的民用车辆,其交叉单极子类的散射子居多,即以HV通道为主;对于卡车和吊车类的工程类车辆,其表面散射子居多,由于结构复杂,因此散射类型较多。实验验证部分采用6幅全极化SAR图像,结果表明:全极化对多类散射特性不同的目标检测性能较好;对于如大巴车这样结构简单的目标,HV极化方式下的检测性能最优;对于如卡车这样结构复杂的目标,在多极化通道下检测性能最优。